腾讯吴运声：大模型向场景落地存在两大难题

封面新闻记者欧阳宏宇

“模型落地，实用为先。”7月5日，腾讯云副总裁、腾讯云智能负责人、腾讯优图实验室负责人吴运声在2024世界人工智能大会上表示，大模型的研发、应用必须关注、解决具体业务场景，必须关注可用性和性价比。

如今的大模型技术正在往多模态、零样本学习、3D和视频生成等方向快速演进，通过增强技术融合、简化模型训练流程、提供更加沉浸式体验等方式，加速AI技术的普惠。

从技术演进的角度，吴运声认为有三大发展趋势，涉及大模型的应用范围、学习范式以及内容呈现。

“大模型的发展，将人工智能技术推到了一个新的制高点。”他表示，但在实际落地中，虽然单模态技术在某些场景下表现良好，但通过引入多模态能力，我们能够扩展其应用范围，使其在更广泛的场景中同样表现出色。

在学习范式方面，吴运声认为，传统模型训练受限于任务独立性，和对大量标注数据的依赖；而通过零样本/小样本学习能够很好地解决这类问题，简化研发流程并加速AI技术的普惠。

谈及内容呈现，在吴运声看来，随着3D生成和视频生成技术的不断发展，让用户可以获得更加沉浸式的体验。

面对发展趋势蕴含的红利，模型在应用上也有瓶颈。吴运声透露，腾讯吴运声：大模型向场景落地存在两大难题一方面是，算法和工程团队精力有限，模型数量多迭代快，自行搭建推理集群和服务平台，模型更新复杂；另一方面在于，推理成本高昂，推理速度已达瓶颈，千百亿级别模型推理部署，推理吞吐和时延存在瓶颈。

“大模型的打造只是起点，把技术落地到产业场景、创造价值才是目标。”对此，吴运声建议，无论是产业落地还是科学、文化探索，AI大模型技术的发展离不开产业链协同和生态共建。“比如，将知识引擎融入到客服系统，让客服人员更准确、更高效率地解答客户的问题；在人才培训场景，让知识引擎把员工的智慧聚集成企业知识库，促进内部知识分享和传播。”